python将两个二维array叠加成三维array的实现方法
遇到这样一个需求：程序中每次循环生成一个二维array，需要把每次循环的二维array叠加成一个三维的array，例如有如下两个矩阵：
A=⎡⎣⎢a11a21a11a12a22a12a13a23a13⎤⎦⎥A=[a11a12a13a21a22a23a11a12a13]
B=⎡⎣⎢b11b21b11b12b22b12b13b23b13⎤⎦⎥B=[b11b12b13b21b22b23b11b12b13]
组合成以下这种形式：
这样组合之后，有一个非常大的优点就是：保持原有的二维array的形式不变，便于以后取出，比如说我想从C中取出A，只需要执行：
A=C[0,:]
即可。
但是百度之后发现，在python中，numpy函数包中并没有对应的函数来实现三维array中不断添加二维array（有知道这个函数的欢迎在评论区告诉我）
这里，提供两种“曲线救国”的解决方案：
方法一：
对于两个（或者多个）同一维度的矩阵，直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。例如：
import numpy as npa = np.array(
[[1,2,3],[4,5,6]]
)b = np.array(
[[2,2,3],[4,5,6]]
)c = np.array(
[[3,2,3],[4,5,6]]
)
print
(
'矩阵a：\n'
,a)
print
(
'维数：'
,a.shape)com = np.array([a,b,c])
print
(
'合并矩阵：\n'
,com)
print
(
'维数：'
,com.shape)
输出结果为：
矩阵a：
[[1 2 3] [4 5 6]]
维数： (
2
,
3
)合并矩阵：
[[[1 2 3] [4 5 6]]
[[2 2 3] [4 5 6]]
[[3 2 3] [4 5 6]]
]维数： (
3
,
2
,
3
)
方法二：
但是，如果两个array，使用方法一时会出现如下结果：
import numpy as npaa = np.array(
[[[1,2,3],[4,5,6]]
,
[[2,2,3],[4,5,6]]
,
[[3,2,3],[4,5,6]]
])a = np.array(
[[4,2,3],[4,5,6]]
)com = np.array([aa,a])
print
(
'合并矩阵：\n'
,com)
print
(
'维数：'
,com.shape)
输出结果：
合并矩阵： [array(
[[[1, 2, 3], [4, 5, 6]]
,
[[2, 2, 3], [4, 5, 6]]
,
[[3, 2, 3], [4, 5, 6]]
]) array(
[[4, 2, 3], [4, 5, 6]]
)]维数： (
2
,)
输出结果：
在深度学习中，也有类似于这样的需求，比如用图片来训练模型时，彩色图片就是一个个三维数组，需要把一批图片都送到网络中就需要把多个三维矩阵叠加。
tensorflow貌似提供了这样的函数，在搭建深度学习框架时可以直接使用，以后有机会继续扩展。
tensorflow貌似提供了这样的函数，在搭建深度学习框架时可以直接使用，以后有机会继续扩展。
扩展阅读：
最后，附几个二维array中，添加一行或者一列元素的函数：
1 . np.append(a,b,axis=数字)
其中，axis = 0表示添加，axis = 1表示添加
2.增加一行或者一列。b = np.row_stack((a, 列元素))c = np.column_stack((a, 行元素))
更多免费技术资料可关注：annalin1203
